Multiple linear regression models for predicting traffic volumes at signalized intersection by using area-based activity data

Abstract

ทางแยกส่วนใหญ่ในประเทศไทยมักใช้งานระบบสัญญาณไฟจราจรแบบคงที่เพื่อช่วยในการควบคุมการจราจร แต่ปริมาณจราจรบริเวณทางแยกมีการแปรผันเกิดขึ้นตลอดทั้งวัน ซึ่งระบบสัญญาณไฟจราจรแบบคงที่นั้นอาจจะไม่สามารถตอบสนองต่อการแปรผันของปริมาณจราจรที่เกิดขึ้นได้ บทความนี้นำเสนอกรณีศึกษาการประมาณค่าปริมาณจราจรบริเวณทางแยกภายในมหาวิทยาลัยเทคโนโลยีสุรนารีที่มีการแปรผันในระหว่างวัน รวมถึงมีการเปลี่ยนแปลงไปในแต่ละภาคการศึกษาซึ่งเป็นผลมาจากกิจกรรมที่เกิดขึ้นในพื้นที่ โดยการศึกษาในครั้งนี้มีวัตถุประสงค์เพื่อ 1) ทำการพัฒนาแบบจำลองคาดการณ์ปริมาณจราจรที่จะเกิดขึ้นบริเวณทางแยกจากข้อมูลกิจกรรมในพื้นที่ที่มีลักษณะเฉพาะโดยใช้การวิเคราะห์การถดถอยเชิงเส้นแบบพหุคูณ (Multiple linear regression) และวิธีค่าเฉลี่ย (Average Method) และทำการประเมินประสิทธิภาพเพื่อคัดเลือกแบบจำลองที่มีความแม่นยำมากที่สุด ซึ่งจะสามารถนำไปใช้ในการวิเคราะห์และตั้งค่ารอบสัญญาณไฟจราจรเพื่อให้รองรับการแปรผันของปริมาณจราจรในอนาคตได้2) ศึกษาตัวแปรด้านกิจกรรมในพื้นที่ที่มีอิทธิพลต่อการแปรผันของปริมาณจราจรที่ทางแยกผลการศึกษาพบว่าแบบจำลองการถดถอยเชิงเส้นแบบพหุคูณ (Multiple linear regression) มีความแม่นยำมากกว่าการสร้างแบบจำลองโดยใช้วิธีค่าเฉลี่ย (Average Method)โดยพบว่า ตัวแปรที่เกี่ยวกับกิจกรรมการเรียนการสอนในมหาวิทยาลัย เช่น จำนวนนักศึกษาที่กำลังจะเข้าเรียน จำนวนนักศึกษาที่กำลังจะเลิกเรียน ช่วงเวลาที่มีการเปลี่ยนคาบเรียน เป็นต้น ต่างก็เป็นตัวแปรที่มีนัยสำคัญและส่งผลต่อการเดินทาง ผลการศึกษาชี้ให้เห็นว่าข้อมูลฐานกิจกรรมในพื้นที่ในแต่ละช่วงเวลานั้นสามารถนำมาใช้ในการประมาณหาปริมาณจราจรที่แปรผันตามเวลาภายในพื้นที่ที่มีลักษณะเฉพาะตัวได้